目标检测到实例分割 R-CNN 、Fast-CNN、Mask R-CNN

R-CNNFast R-CNN和R-CNN不同的是一个图片只执行一次神经网络，在卷积后的特征图上，选取识别框提取roi特征进行分类Mask R-CNN在Fast R-CNN的基础上新增了像素级别的提取功能 ,和 Fast RCNN 区别在于，mask RCNN 用RoIAlign的方法来取代ROI pooling,保留大致的空间位置信息检测效果如下图参考文章...

宁缺100

473人浏览 · 2020-03-22 13:06:05

宁缺100 · 2020-03-22 13:06:05 发布

在这里插入图片描述

R-CNN

Fast R-CNN

和R-CNN不同的是一个图片只执行一次神经网络，在卷积后的特征图上，选取识别框提取roi特征进行分类

Mask R-CNN

在Fast R-CNN的基础上新增了像素级别的提取功能 ,和 Fast RCNN 区别在于，mask RCNN 用RoIAlign的方法来取代ROI pooling,保留大致的空间位置信息

在这里插入图片描述

检测效果如下图

参考文章

https://zhuanlan.zhihu.com/p/37998710

https://blog.csdn.net/lty_sky/article/details/90767956

R-CNN, Fast R-CNN, Faster R-CNN, YOLO — Object Detection Algorithms
https://towardsdatascience.com/r-cnn-fast-r-cnn-faster-r-cnn-yolo-object-detection-algorithms-36d53571365e

技术共进，成长同行——讯飞AI开发者社区

更多推荐

论文笔记：AlphaEdit: Null-Space Constrained Knowledge Editing for Language Models（AlphaEdit）

论文发表于人工智能顶会ICLR（基于定位和修改的模型编辑方法（针对和等）会破坏LLM中最初保存的知识，特别是在顺序编辑场景。为此，本文提出AlphaEdit：1、在将保留知识应用于参数之前，将扰动投影到保留知识的零空间上。2、从理论上证明，这种预测确保了在查询保留的知识时，编辑后的LLM的输出保持不变，从而减轻中断问题。3、对各种LLM（包括LLaMA3、GPT2XL和GPT-J）的广泛实验表明，